Program ini dapat diikuti secara offline maupun online dengan biaya Rp5.700.000 sudah termasuk hotel/penginapan dan makan selama kegiatan, minimal 8 peserta.
Pendahuluan
Profesi Associate Data Scientist memiliki peran strategis dalam mengubah data mentah menjadi informasi yang dapat digunakan untuk pengambilan keputusan. Di era digital, kemampuan mengolah, menganalisis, dan memodelkan data menjadi keunggulan kompetitif bagi organisasi.
Program Sertifikasi Profesi Associate Data Scientist ini mengacu pada Standar Kompetensi Kerja Nasional Indonesia (SKKNI) yang diakui oleh BNSP. Pelatihan dirancang untuk memberikan pemahaman menyeluruh mengenai proses data science, mulai dari pengumpulan data hingga evaluasi model, sehingga peserta siap menghadapi kebutuhan industri yang semakin kompleks.
Unit Kompetensi
No | Kode Unit | Judul Unit Kompetensi |
---|---|---|
1 | J.62DMI00.004.1 | Mengumpulkan Data |
2 | J.62DMI00.005.1 | Menelaah Data |
3 | J.62DMI00.006.1 | Memvalidasi Data |
4 | J.62DMI00.007.1 | Menentukan Objek Data |
5 | J.62DMI00.008.1 | Membersihkan Data |
6 | J.62DMI00.009.1 | Mengkonstruksi Data |
7 | J.62DMI00.010.1 | Menentukan Label Data |
8 | J.62DMI00.013.1 | Membangun Model |
9 | J.62DMI00.014.1 | Mengevaluasi Hasil Pemodelan |
Contoh Studi Kasus (Coding)
Kasus: Prediksi tingkat kelulusan mahasiswa berdasarkan data nilai ujian dan kehadiran.
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score
Mengumpulkan Data
data = pd.read_csv(‘data_mahasiswa.csv’)
Membersihkan Data
data = data.dropna()
Menentukan variabel
X = data[[‘nilai_ujian’, ‘persentase_kehadiran’]]
y = data[‘lulus’] # 1 = Lulus, 0 = Tidak Lulus
Membagi data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
Membangun Model
model = LogisticRegression()
model.fit(X_train, y_train)
Evaluasi Model
y_pred = model.predict(X_test)
print(“Akurasi:”, accuracy_score(y_test, y_pred))
Penjelasan:
-
Data mahasiswa dikumpulkan dan dibersihkan.
-
Variabel input adalah nilai ujian dan persentase kehadiran.
-
Model Logistic Regression digunakan untuk memprediksi kelulusan.
-
Hasil dievaluasi menggunakan akurasi prediksi.
Silabus Pelatihan & Uji Kompetensi
Hari | Waktu | Materi |
---|---|---|
Hari 1 | 08.00 – 09.00 | Pembukaan & Pengantar Associate Data Scientist |
09.00 – 10.30 | Mengumpulkan Data | |
10.30 – 10.45 | Coffee Break | |
10.45 – 12.00 | Menelaah Data | |
12.00 – 13.00 | Istirahat | |
13.00 – 14.30 | Memvalidasi Data | |
14.30 – 14.45 | Coffee Break | |
14.45 – 16.00 | Menentukan Objek Data | |
Hari 2 | 08.00 – 09.30 | Membersihkan Data |
09.30 – 10.45 | Mengkonstruksi Data | |
10.45 – 11.00 | Coffee Break | |
11.00 – 12.00 | Menentukan Label Data | |
12.00 – 13.00 | Istirahat | |
13.00 – 14.30 | Membangun Model | |
14.30 – 14.45 | Coffee Break | |
14.45 – 16.00 | Mengevaluasi Hasil Pemodelan | |
Hari 3 (Uji Kompetensi) | 08.00 – 10.00 | Uji Praktik Data Science |
10.00 – 10.15 | Coffee Break | |
10.15 – 12.00 | Presentasi Hasil | |
12.00 – 13.00 | Istirahat | |
13.00 – 15.00 | Wawancara Asesor & Penutupan |
Rincian Unit Kompetensi / Uraian Tugas
-
Mengumpulkan Data: Mengambil data dari berbagai sumber (database, API, CSV, dll.).
-
Menelaah Data: Mengecek kelengkapan, kualitas, dan relevansi data.
-
Memvalidasi Data: Memastikan kebenaran dan konsistensi data.
-
Menentukan Objek Data: Menentukan variabel yang relevan untuk analisis.
-
Membersihkan Data: Menghapus data duplikat, memperbaiki data kosong, dan menangani outlier.
-
Mengkonstruksi Data: Mengubah data menjadi format yang sesuai untuk pemodelan.
-
Menentukan Label Data: Memberi label untuk supervised learning.
-
Membangun Model: Membuat model prediksi/analisis menggunakan algoritma machine learning.
-
Mengevaluasi Hasil Pemodelan: Mengukur performa model dan melakukan perbaikan jika diperlukan.
Kesimpulan
Program Sertifikasi Profesi Associate Data Scientist – Standar BNSP dirancang untuk memberikan kompetensi lengkap dalam pengolahan data hingga pemodelan prediktif. Pelatihan tersedia offline dan online dengan biaya Rp5.700.000 (termasuk penginapan & makan, minimal 8 peserta).
📌 Lihat detail program di: https://mobilefaculty.com/skema-sertifikasi-bidang-komputer/